学校数据文化建设：内涵、要点及建议

　　结合上述分析★，本研究从技术属性出发，将数据文化的内涵描述如下：为实现组织持续发展★★★，组织全员在长期实践中逐渐形成的一种共同认可和坚定遵循的★、以数据驱动组织革新的发展方式，是一种涵盖数据知识★、数据技能★★★、数据伦理等多维、立体的复杂总体，是组织主动、自觉适应数字时代发展的内驱动力★，具有技术和社会的双重属性，包括基础支撑、数据治理、持续改进、价值追求四个模块。其中，★★“基础支撑”是组织内部成员在“基本假设”达成共识的基础上，推动数据文化建设的各类基本★★★“投入要素”的集合，不仅包括显性的数字基础设施、资金★★★、人员等，还包括隐性的组织制度★★、全员数据素养等★★；“数据治理★★★”是对数据资产管理行使权力和控制的活动集合，是数据文化价值发挥的★★“关键★”纽带，涵盖数据采集、数据分析、数据可视化、数据应用等数据处理的关键环节；★“持续改进★”是通过增量和突破性改进对产品、服务等进行持续优化的过程，是制定、检验基于数据决策方案的科学性和有效性★，以普遍的方式应用数据★★，推动数据文化形成的重要场域；“价值追求”是组织提升社会竞争力和社会贡献度，寻求可持续发展的愿景★★★，既为“持续改进”提供明确的目标导向，同时又为“基础支撑★”要素的持续优化和投入提供持久动力。前两者更多是数据文化技术属性的体现★，后两者更多是数据文化社会属性的体现。四个模块的紧密衔接、良性循环★★★，促进数据文化的不断积累、传承和创新★。

　　随着工业革命1.0至4.0的时代演进，质量的内涵也经历了由质量1.0至质量4.0的变迁★★。质量4.0的内涵引起国际学者的普遍关注★★★。西索迪亚（Sisodia）等认为质量4.0是指全面质量管理的数字化及其对质量技术★★★、过程和人员的影响。它建立在传统质量工具的基础上，并考虑了连接性★、智能和自动化以提高性能★，并在端到端场景中及时作出数据驱动的决策；[6]拉齐维尔（Radziwill）认为★★，质量4★.0代表着在潜在颠覆性数字变革的时代追求卓越的性能，导致连接智能自动化，使人类和机器能够合作，并利用数据实现共同的目标★；[7]沃森（Watson）认为质量4★.0是一个整体的社会技术系统，旨在发现和应用深刻的技术和知识★★★，以追求持续改进，并持续实现组织目标★★★。[8]此外，瑞典质量研究所（SIQ）[9]和德勒里德（Deleryd）等[10]提出了质量5.0的概念★★★，并提议将质量5.0作为一种新的范式，重点关注基于数据驱动决策的组织可持续发展。在未来发展中，价值观是对质量最好的描述，且文化应被包含在质量的定义之中，而不仅仅是产品和服务★★。[11]由此可见，在质量4★.0时代及未来发展中，数据在质量管理中的战略价值逐渐凸显，已成为支撑设计质量、过程质量、绩效质量等全面质量管理的基础要素★★★，数据文化已融入组织业务的全员★★、全过程、全要素，成为质量文化的重要组成部分。

　　若要深层次探讨★、厘清数据文化的内涵，离不开对技术层面数据驱动决策流程的剖析。根据米切尔（Mitchell）提出的可持续分析的生命周期模型（见图1）可知，数据的生命周期包括正式分析和满足人类需求两个环节★★，前者包括数据采集★★、数据建模★★★、数据可视化三个环节，后者包括社会化、赋能、创新三个环节，且数据只有经过社会化才能产生价值。在整个过程中，由于人工智能依赖于从数据中学习，无法跳出思维定式，这意味着在没有人类智能的情况下，根据数据中的新模式作出开放集合决策将非常具有挑战性。这就进一步支撑了人工智能和人类智能在解决21世纪教育问题时需深度协同，凸显人类主观能动性的重要作用。

　　学校层面应重点推进以下工作：一是确保学校数据治理的战略规划与学校各项教育事业发展规划保持一致。二是全面分析学校教育数据治理环境及管理者、教师★★、学生等核心利益相关者的数据治理诉求，包括数据风险控制★★、数据安全与用户隐私等。三是制定学校数据治理规范，并围绕数据治理规范、数据生命周期等，加强数据治理体系建设★★。四是明确学校数据治理目标与任务，营造数据治理氛围，规划数据治理措施★★★。此外，学校还应落实《中华人民共和国数据安全法》的相关要求，完善学校数据安全的相关规范★。

　　状态是在一定时间内、一定的物质系统的存在方式或表现形态，是人们认识事物的前提。实时掌握事物发展状态★★，是动态调整、优化事物发展的重要手段。监测侧重于对项目实施中财政★★、资源等过程要素的投入，评估侧重于每一个阶段过程性要素投入所带动的项目产出★★，[26]不是为了证明，而是为了改进★★。监测与评估的有效衔接★★★，有助于全面了解项目推进过程中不同阶段的存在状态。教育监测评估是教育评估和教育监测在新世纪的表现形式，如今已成为一项独立的教育政策或教育改革项目★★，而不仅仅是教育质量保障的一种手段。[27]

　　[28]白现萍★★★,刘亚娟★★★.国际教育数字化转型研究的热点与发展趋势[J].中国教育信息化,2024(4):32-40.

　　最后，数据质量是数据文化形成及持续传承、创新发展的关键。访谈中，对学校数据质量的讨论主要聚焦在数据质量评价指标方面★★。数据质量是“数据在指定条件下使用时，满足声明和隐含需求的能力”，是多维、分层的概念★★★。[18]但是，现阶段学校数据治理规范尚不健全，加之学校对数据质量评价指标通常只涉及数据准确性，对其他重要数据质量维度关注不足，数据质量自我评估尚未落实★★★，数据质量难以保障★★。

　　[26]李运福,王斐,李贝.基于区块链的高校内部参与式监测评估模型构建[J].高教探索★★,2022(1)★:14-21.

　　现阶段，我国在建成世界最大规模教育体系的基础上，进入以全面提高质量为核心的高质量发展新阶段★★。教育数字化转型是教育高质量发展的重要引擎和创新路径。继党的十九届五中全会提出“建设高质量教育体系”★，到2035年“建成教育强国”的宏伟目标后★★★，党的二十大报告又明确提出★★★“加快建设高质量教育体系”的发展要求★★★。这对教育数字化转型战略的部署和实施提出了更高要求和挑战。教育数字化转型是高度数据化的★★，数据要素在转型过程中承担着★★★“动力引擎”的重要角色★★，是驱动教育创新发展的关键力量。

　　文化的形成不是一蹴而就的★★★，而是随着时间的发展不断继承、创新而形成的，具有明显的发展性。强化监测评估是推动学校文化持续积累、创新发展的必然要求。开展学校数据文化监测评估应重点聚焦在两个领域：一是学校教育质量监测评估。教育质量持续改进是形成数据文化的核心动力和最终追求。学校应以发展规划为依据，合理确定学校教育质量维度，制定能够准确描述不同发展阶段学校教育发展状态的关键绩效指标，为教育质量监测评估提供明确的依据★，为下一阶段质量改进提供目标导向；二是开展学校数据文化成熟度监测评估。人工智能时代，任何组织都需要同时关注技术领域和社会领域，才能实现成功的数字化转型★★★、智能化升级★★。数据文化是学校数字化转型的重要内容，具有技术和社会的双重属性，是全面推动数字化转型的内在动力★。为推动数据文化成熟度监测评估，学校在研究层面应加强技术★、人文★、管理等领域的跨学科研究，认清学校数据文化发展规律、阶段和特征★★，形成学校数据文化发展理论框架。同时★，在实践中充分借鉴企业数字文化成熟度评估的先进经验和工具★★★，科学规划、设计和实施学校数据文化监测评估，并在实践中修订完善学校数据文化理论框架★，对丰富和完善数字时代教育发展理论体系具有重要的意义。通过持续、同步开展学校教育质量、数据文化成熟度监测评估，能够明确数据文化与教育质量间的作用关系，判断数据文化对学校教育发展的贡献度，推动学校数据文化的持续创新。

　　再次★★★，领导力是★★★“一个动态的互动影响的过程★★，即一个群体中的个体互相带领实现一个群体性或组织性的目标”，[21]根植于领导情境。领导与管理的区别在于★★★“领导力是目的驱动的行为★，引发基于价值观、理想★★★、愿景、标志以及情感的改变或者转型变革。而管理则是由目标驱动的★★，以理性、行政手段和履行合同的方式最终实现稳定的结果★★★”。[22]因此★★，数据领导力是一种在数据治理的情境中，为实现共同目标，人与人之间在数据采集★、数据分析、数据应用等方面相互影响的过程，本质上是一种影响力。学校培育全员数据领导力，是实现人人关心数据、人人使用数据的发展性要求★，有助于利益相关者在数据驱动决策中由“独善其身”向“兼济天下”拓展，增强数据文化的凝聚力★★。

　　[1]宋永磊,罗江华,王静贤,等★★.高等教育数据治理的未来图景与实施路径——美国《2023年EDUCAUSE地平线行动计划：数据治理》解读与反思[J].中国教育信息化,2023(9):29-36★.

　　此外★★，尽管企业中的数据领导者角色多样，但都具有以下一些共同特点★：一是创建数据文化需要积极的自上而下的数据领导者，这种领导力专注于通过数据驱动而实现组织愿景；二是数据领导者专注于数据和分析战略，不断探寻新的发展机遇★★★，必要时推动组织重构★★，以增强组织灵活性，提高组织生产力和影响力；三是数据领导者必须与其他高级管理人员、CEO和董事会密切合作，并得到他们的全力支持；四是数据领导者要有强大的团队支撑★，并且有能力突破各业务部门的障碍★★，创建一种开放共享的文化，实现数据汇聚和融合。这些共同特征，对学校优化现有CIO、CTO★★★、CDO等制度具有一定的参考借鉴价值★★★。

　　数据文化（Data Culture）在创建数据驱动型组织中扮演着重要角色，是未来十年高等教育数据治理目标和要素之一。[1]可视化数据公司Tableau认为★★★，投资数据文化和正确的技术，就能形成数据驱动型组织，即“数据文化+正确技术=数据驱动型组织”。[2]学校作为高质量教育体系的核心组织，在教育新基建背景下，加强数据文化建设是创建数据驱动型组织，加快构建高质量教育体系的重要途径。

　　从管理学的角度来看，文化一般被定义为组织文化★★★。鉴于产品或服务质量是组织生存和发展的生命线，因此对文化的深层次探讨离不开对质量内涵及质量管理的深层次考察。质量是社会科学领域最熟悉★，却又难以准确界定的概念之一★★★，同时也是一个随着数字技术的发展而不断演变的概念[5]。

　　一是重视学校信息化部门对全员培训活动的内容供给。强化信息化部门与教师发展、学生管理、教学院系等部门间的协同★，转变信息化部门提供技术服务的固有思维，强化信息化部门在协同培训中的内容服务功能。这对增强信息化部门对学校教育教学活动的深层次认识，提升服务内涵有着积极的作用，同时也能“倒逼★★”信息化部门完善职能和提升专业能力；二是针对学校管理者、教师★、学生等不同利益相关者的实践需求和未来发展★，围绕数据全生命周期，构建涵盖数字素养、数据领导力两个模块的数据胜任力框架。框架的构建既能为全员数据胜任力自我评价提供理论支撑，同时也能够以此为依据加强微课程体系、实践活动体系建设；三是在数据治理中，探索开展人工智能与人类智能协同应用的示范性场景，注重总结经验教训，引领人工智能在学校教育教学活动中的深度应用，引领★、支撑培训体系创新发展；四是延伸培训效果评估链条，健全培训评估体系，凸显培训对数据文化形成的贡献度。柯氏培训评估模型（Kirkpatrick Model）将培训评估划分为反应评估、学习评估、行为评估、成果评估四个连续层次★★。以此为参照★★★，在未来发展中，学校应在单独关注被培训者满意度评估的基础上，延伸评估链条★★★，关注被培训者知识技能获得评估★、知识技能实践运用评估，以及对数据文化形成的贡献度评估★，逐步建立健全培训评估体系，引导建立高质量培训体系★★。

　　在明确学校数据文化内涵的基础上，本研究采用焦点小组访谈的方式★，进一步剖析学校数据文化的形成要点★★★。考虑到学校数据文化是一个涵盖数据科学、教育管理、教育信息化等多领域的复杂概念，本研究分别邀请中小学★、职业院校、普通本科高校负责学校信息化的工作人员（各3名），以及在教育大数据（2人）、智慧校园（2人）、学校教育管理（2人）等领域具有丰富研究成果的教育学博士，组成15人焦点小组，并提前告知访谈目的和主要内容。在访谈过程中★★★，在向参与访谈人员介绍学校数据文化内涵，并得到基本认同的前提下，围绕学校教育数据文化建设现状、难点以及主要成功经验等主题进行了广泛深度的交流★★★。最后★，在归纳总结焦点小组访谈数据的基础上★★，构建了学校数据文化形成要点模型★，主要涵盖设施因素★★、制度因素、人力因素三个方面★★，如图2所示。

　　凡事预则立，不预则废★★。学校数据文化形成、持续传承、创新发展首先在于发展规划的科学研制★。学校制定发展规划的目的是科学定位学校发展目标★，提炼和强化学校办学特色★，建设和形成学校文化★。基本框架包括：分析学校办学传统与现状★★★、明确学校发展的共同愿景、突出学校发展规划的重点、保障学校发展规划的实施四个部分。[23]

　　首先，愿景是学校特有的、全体教职工对学校未来发展共同期望的景象★★。学校唯有通过建立达成广泛共识的发展愿景，才能有力凝聚全体成员职业信念和价值追求，培育独特的学校文化，促进学校可持续发展。当前，数据已成为教育核心要素，数据文化应充分体现在学校教育事业发展规划中，这也是学校数据文化形成的重要前提和行动纲领。

　　为将数据文化建设科学地融入学校发展规划★★★，学校应重点关注以下几点：一是在意识层面深刻认知数据对学校革新发展的重要驱动价值★★，将数据视为学校的战略资产★★★；二是采用民主参与的方式，明晰数据驱动的学校发展愿景，以期在较大程度上调动和发挥全员参与规划落实的积极性；三是准确把握新时代高质量教育体系建设新内涵、新要求★★，在明晰学校价值追求及数据治理现状的基础上，明确数据与价值追求之间的因果关系，为学校数据治理体系的优化★★★、完善提供理论引导★★★；四是科学研判学校教育未来发展形态变革★，增强数据治理谋划的前瞻性★★，以及增强数据治理对学校教育改革的引领性★★★；五是围绕数据人才引进、组织机构优化、数字基础设施升级、制度规范建设等关键要点，明确数据文化建设的重点任务或工程。

　　数据文化是创建数据驱动型组织的重要内驱力。学校数据文化是为培养高质量人才★★，在数字化实践中逐渐形成的一种全员认可、积极参与的数据驱动学校全面、系统革新的教育治理方式，是学校质量文化的重要组成部分★★★，包括基础支撑、数据治理、持续改进、价值追求四个维度。其形成要点包括智能数据终端、数据平台等设施因素，愿景规划★★、组织制度★、数据质量等制度因素★★，数据人才、数据领导力★★★、数据素养★、沟通协作等人力因素。为形成学校数据文化★★，学校应做好顶层规划★★★，明确发展愿景，围绕形成要点确定重点任务；理性借鉴企业经验，健全数据治理规范，落实数据质量自我评估制度，保障数据质量★；明确不同阶段关键绩效指标，开展学校教育发展质量、数据文化成熟度监测评估，动态掌握数据驱动对教育质量改善的贡献度，推进数据文化持续改进★；通过加强组织协同、创新内容供给、建立数据胜任力框架、延伸培训评估链条等方式，深化培训体系改革，建成高质量培训体系。

　　文化是一个复杂的整体概念。麻省理工学院沙因（Schein）认为，文化是★“一种共同的基本假设模式★★，该模式是一个群体在解决外部适应和内部整合的问题时学到的，且已经足够有效★★★，能被教导给新成员，作为与这些问题相关的感知、思考和感受的正确方式”★，包括基本假设★、传递的价值观★、可观察的行为三个层次。基本假设和团队适应外部★★★、整合内部相关问题的解决方案有关，这些解决方案逐渐成为不言自明的假设，并无法质疑；传递的价值观主要包括组织所信奉的发展战略★、愿景、目标、价值观等；可观察的行为主要由可见的组织过程和各种人工制品组成，代表了最肤浅的文化现象[4]。

　　国际数据公司（IDC）将组织数据文化成熟度划分为数据感知（Data-aware）、数据采用（Data-adopting）★★★、数据成熟（Data-mature）★★★、数据领先（Data-leading）四个阶段★★★，并对服务/技术、金融、制造业、零售/批发、运输★★、石油/天然气、教育等多个行业组织的数据文化成熟度进行了调查，结果发现：在被调查的行业中，教育行业数据文化成熟度最低★，44★★★.4%的教育组织的数据文化成熟度处于数据感知阶段，仅14.8%的教育组织处于数据领先阶段★★；组织在数据文化指数中的排名与其在业务指标上的表现存在明显的增量相关性。[3]

　　设施因素主要包括智能数据终端和教育大数据平台两个要点★★★。数字基础设施是形成数据文化的★★“基座★★”★★。智能数据终端是人工智能时代，学校数字基础设施的★★“神经末梢★”，是解决数据驱动布局“最后一公里”的关键★★★。访谈中，该要点的讨论主要聚焦在学校数字基础设施建设缺乏统一规划、集成性较差、受限于经费投入等原因★★，学校数字基础设施数字化转型、智能化升级效果并不理想，智能终端建设不足★★，离实现教育数据伴随式★、无感采集仍有较大差距。

　　其次，组织制度是学校数据文化形成的重要保障力量。参与访谈者普遍认为★★★，信息化部门应是推动数据文化形成的主要牵头机构，但现实中信息化部门在职能定位★、人员配置、与其他部门协同等方面都难以推动数据文化的形成。此外，★★“不以规矩★★，不能成方圆”★★★，文化是在实践中长期积累而形成的★★，离不开学校制度的保障。制度是要求大家共同遵守的办事规则★、程序和道德★★、伦理的行为规范。但当前对数据制度的建立处于一种普遍缺位的状态★，数据治理规范亟待健全★★。首席信息官（CIO）制度在访谈中被频繁提及，参与访谈者一致认为学校领域建立的首席信息官制度被严重“虚化”，实然和应然间存在较大差距，亟需创新★★★。

　　学校数据文化是多领域交叉的研究话题，是在数字技术和管理理念的“双重★”推动下，文化在学校教育中的一种表现形态。将学校创建为数据驱动型组织，全员自觉★★、充分、持久挖掘数据的战略驱动价值，建设高质量教育体系，是教育数字化转型战略的重要任务和目标。数据文化是创建数据驱动型组织的重要“内驱力”。塑造学校数据文化，有助于激发教育数字化转型的“动力引擎”，加快建设高质量教育体系★★。为推动学校数据文化的形成★★，学校应做好学校数字化改革顶层规划以明确建设目标愿景及重点任务★★，建立健全数据治理规范和制度以强化数据治理，变革现有的培训体系以提升全员数字教育素养，从设施建设、制度健全及全员培训三个层面全面推进，保障数据文化的形成★★。

　　最后，教育数据的多样性★★★、多源性决定了学校数据文化是一种团队文化。沟通协作★★，既是保证组织运作的必要条件★★★，也是加强团队建设的重要手段。在学校数据文化的形成过程中，加强校内各部门、各利益相关者间的沟通协作，能够有效“粘合★”各类分布的★★“碎片化”数据；加强学校与社会企事业机构、相关行业等人才需求主体的沟通协作，有助于进一步明确人才培养规格，为数据驱动的决策提供更加科学的价值导向★★★，是学校数据文化社会属性的充分体现★★。

　　目前，关于数据文化的界定，尚未形成共识性描述。国内学者认为，数据文化是数据活动过程中形成的一种特殊的文化类型和文化现象，由数据和文化两个概念组合而成，既不全等于数据，又不全等于文化，是数据和文化的交集，是一种尊重事实、强调精准★★★、推崇理性和逻辑的文化，[12]本质是尊重客观世界的实事求是精神★★。[13]Tableau公司认为，数据文化是人们重视、实践并鼓励使用数据以改进决策的集体行为和信念，为组织中的每个人提供所需的洞察力★★，使他们能够真正以数据为导向，应对复杂的业务挑战。[14]也有学者认为，数据文化是由团体或组织赋予数据的价值观、行为和规范，共同塑造了数据收集、管理、使用和共享的实践★。[15]此外★★★，世界经济论坛（WEF）提出数字文化（Digital Culture）是推动组织数字化转型的重要驱动力，拥有强大数字文化的组织能够使用数字工具和数据驱动的洞察力来驱动决策和以客户为中心★★★，同时在整个组织内进行创新和协作。[16]数据文化和数字文化基本上是一个等同的概念，具有共同的核心内涵，即强调数据驱动组织决策和创新发展。

　　学校与企业的核心区别在于价值追求不同。企业以盈利为主要目的，而学校以促进学生全面发展，为社会培育高质量人才★★★，推动和引领社会发展为主要价值追求。因此，在上述数据文化一般内涵分析的基础上，可将学校数据文化的内涵具体表述如下：为培养高质量人才，在数字化实践中逐渐形成的一种全员认可★★★、积极参与的数据驱动学校全面★、系统革新的教育治理方式。

　　此外，教育大数据平台对实现数据开放、数据流动、数据融通★，指导资源精准投入，提高资源利用率和利用效益具有重要意义。访谈中★，该要点的讨论主要聚焦在学校内部不同部门之间的数据联通、共享、共用★★，数据孤岛仍是数据治理的难点★★。当前，学校教育教学发展状态的数据不仅多样且多源★★，零散地分布存储在多个系统或平台上，数据统整★★★、聚合困难，进而难以深入挖掘分析与科学建模，影响数据决策的精准性和全面性，而且存在较大的安全隐患★。

　　由此可见，如何加快教育行业数据文化培育，提升教育质量，是世界各国面临的一个紧迫的现实问题。在我国教育数字化转型战略深度实施的大背景下，从技术属性出发★★★，厘清学校数据文化内涵、形成要点，并提出针对性行动建议，对发挥数字化转型的“引擎”作用★，加快建设高质量教育体系有着重要的参考借鉴意义。

　　[20]王路漫,齐惠颖★,王静,等.面向专门领域的数据素养教育研究：以医学生的通识课程建设与教学实践为例[J]★★.图书馆★★,2022(7):15-21.

　　“知之愈明，则行之愈笃；行之愈笃★，则知之愈益明★★”★。面向高等教育的师生数字技能和数字素养的提升，已成为国际教育数字化转型研究的热点与发展趋势。[28]深化学校全体人员对数据知识的认识★★★，提升数据技能★★，更有利于开展数据治理，推动数据文化的形成。反之，在数据治理实践中★★，也能进一步加强学校全体人员对数据知识的理解和数据技能的升级。因此，加强学校全体人员数据知识和技能的培育是形成数据文化的重要条件★★★。但是，现有培训体系存在组织协同性不够、培训内容学科本位化★★、能力标准体系尚不健全、培训效果评估导向性不强等明显弊端，难以支撑学校数据文化的形成★★。在未来发展中，学校应重点从以下几个方面深化变革，建设高质量培训体系，助力学校数据文化的形成。

　　[21][22][美]大卫·V.戴★,约翰·安东纳基斯★★,林崇★★★,等.领导力的本质（第二版）[M].北京★:北京大学出版社★,2015:392,6.

　　学校应理性看待★、借鉴和合理应用企业领域新兴管理角色。当前，随着人工智能★★、大数据等新兴信息技术推动产业的深刻变革★★，企业领域出现了多种多样的数据领导者角色（C-Suite）。如首席信息官（CIO）、首席数据官（CDO）、首席分析官（CAO）★★、首席技术官（CTO）★★★、首席数字和人工智能官（CDAO）等★★，且不同机构、学者对上述概念内涵的理解尚未达成一致。与企业相比，教育行业对技术变革的主动反应相对迟缓。企业领域新兴事物的出现必然会引起教育领域的关注和借鉴，并对推动教育行业变革具有一定的引领作用★★。但是，教育行业与企业的价值追求不同，加之不同层次、不同区域的学校数据治理现状及价值追求存在一定差异。所以，学校应立足实际★★，理性选择和借鉴企业相关经验。

　　其次★★，数据素养是具备数据意识和数据敏感性，能够有效且恰当地获取、分析、处理★★★、利用和展现数据，并具有对数据的批判性思维能力★★。[20]强化学校数据素养的全员培育★，是实现人人关心数据、人人使用数据的基本性要求，有助于管理者、教师、学生等核心利益相关者在数据驱动决策中既能独立处理★，又能深度沟通与协作★。

　　数据质量维度是相互关联的★★★，它们之间存在依赖性和相关性。为得到数据质量更为完整的画像，各行业应根据行业特征★、数据应用情境，尽可能多地评价数据质量的不同维度。因此★★★，在国家层面，教育行政部门应组织专家队伍在《信息技术 数据质量评价指标》的基础上，加紧研制教育行业数据质量评价指标，为教育产业★★、各级各类学校数据质量评价指标的研制提供指导性框架。此外，数据质量是贯穿数据整个生命周期的一个因素。每个质量维度的评价需要不同的度量工具、技术和流程★★★，导致评价时间、成本和人力资源的差异★★，[25]也增加了数据质量评价的复杂性★★。在学校层面，学校应根据自身发展特征，充分挖掘驱动效益显著的数据元素及维度，形成数据质量评价指标，建立健全数据质量自我评价制度。为保障学校数据质量自我评价的顺利实施，学校还应组建实体性教育质量管理组织★★★，统筹规划★★、实施教育数据规范落实和数据质量评价等系列工作，充分保障数据质量。

　　首先，数据人才是以数据为核心业务的专业人才，是推动数据与业务深度融合的纽带★，是深挖学校教育数据价值，推动教育教学改革，形成数据文化的中坚力量★★★。据人瑞人才和德勤中国发布的《产业数字人才研究与发展报告（2023）》显示，当前数字人才总体缺口在2500万至3000万左右★★，且缺口仍在持续扩大★★。[19]从行业分布来看，数据人才主要集中在数据分析需求较高的行业，如科技、互联网★、金融★★、零售等。访谈中发现，各级各类学校尚未将数据人才队伍建设纳入学校师资队伍建设和发展规划中，对数据人才的重视程度普遍不够。这是目前推动学校数字文化的关键要点★★。

　　《信息技术服务 治理 第5 部分★★：数据治理规范》（GB/T 34960.5-2018）是关于数据治理的系统性国家标准★★★，对顶层设计、数据治理环境★★、数据治理域、数据治理过程等作出明确的规定★。因此，国家层面应以此为参考★★，重点推进以下两方面的工作：一是加紧研制、发布教育数据治理规范与数据治理指南，为各级各类学校教育数据治理提供统一标准★。二是以教育数据治理规范为依据★★，积极推进国家★★★、省、学校（县）三级教育数据中心建设★★，明确数据采集、存储、传输、溯源★★★、共享等机制，实现教育数据管理规范化、标准化。